大型语言模型在知识任务中常因参数限制出现幻觉现象。检索增强生成（RAG）通过外部文档扩展知识，但存在“中间丢失”问题。Refiner方法通过提取和重构信息，提升LLM性能，适应性提取相关内容，提高回答准确性。实验表明，Refiner在多跳任务中减少标记量并提高准确性，是RAG系统的即插即用解决方案。